| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 引言 | 第11-19页 |
| ·机器学习方法 | 第11-17页 |
| ·对策学习 | 第17-18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 第二章 基于概念层次的粗糙集和关联分析 | 第19-50页 |
| ·概念层次 | 第19-20页 |
| ·粗糙集 | 第20-24页 |
| ·证据理论 | 第24-25页 |
| ·信任函数的粗代数表达 | 第25-28页 |
| ·基于概念层次的粗糙集 | 第28-31页 |
| ·基于概念层次的粗糙集在飞行器落点精度分析中的应用 | 第31-36页 |
| ·基于概念层次的关联分析 | 第36-49页 |
| ·小结 | 第49-50页 |
| 第三章 基于特征约简的组合学习 | 第50-65页 |
| ·组合学习方法 | 第50-52页 |
| ·Bagging和Boosting组合学习方法 | 第52-57页 |
| ·基于粗糙集特征约简的特征组合学习 | 第57-63页 |
| ·测试和分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第四章 支持向量机决策树学习 | 第65-86页 |
| ·统计学习理论和结构风险最小化原则 | 第65-69页 |
| ·支持向量机 | 第69-73页 |
| ·决策树学习 | 第73-79页 |
| ·基于误分类代价的SVM决策树多类别分类学习 | 第79-83页 |
| ·测试和分析 | 第83-85页 |
| ·小结 | 第85-86页 |
| 第五章 基于状态抽象的强化学习 | 第86-111页 |
| ·强化学习的任务与模型化 | 第86-90页 |
| ·强化学习算法 | 第90-93页 |
| ·层次强化学习 | 第93-100页 |
| ·基于关联学习的层次强化学习方法 | 第100-107页 |
| ·测试和分析 | 第107-109页 |
| ·小结 | 第109-111页 |
| 第六章 基于组合学习的随机对策学习 | 第111-119页 |
| ·矩阵对策和随机对策 | 第111-112页 |
| ·随机对策学习算法的性质 | 第112页 |
| ·随机对策的组合学习 | 第112-116页 |
| ·测试和分析 | 第116-118页 |
| ·小结 | 第118-119页 |
| 第七章 基于机器学习的微分对策学习 | 第119-140页 |
| ·微分对策 | 第119-122页 |
| ·追逃微分对策分析 | 第122-128页 |
| ·追逃微分对策学习 | 第128-134页 |
| ·测试和分析 | 第134-138页 |
| ·小结 | 第138-140页 |
| 第八章 总结与展望 | 第140-143页 |
| ·本文研究工作总结 | 第140-141页 |
| ·进一步的研究工作和展望 | 第141-143页 |
| 参考文献 | 第143-158页 |
| 攻读博士学位期间的研究成果和发表的学术论文 | 第158-160页 |
| 致谢 | 第160页 |